Kokoro-FastAPI

O que é

O Kokoro-FastAPI é um empacotamento do modelo Kokoro-82M, um modelo de conversão de texto em fala (text-to-speech), para que ele funcione como um serviço no seu computador. Segundo o projeto, ele suporta vários idiomas, incluindo português brasileiro.

Pense num locutor de rádio que mora dentro do computador: você entrega o roteiro escrito e ele grava a locução. Outros programas também podem pedir narrações a ele.

Como funciona

O projeto roda dentro do Docker, que empacota tudo o que é necessário. Você executa o comando indicado no README, escolhendo a versão para processador (CPU) ou para placa de vídeo NVIDIA (GPU).

Depois, abre a tela web que vem junto, escolhe uma voz, cola o texto e gera o áudio. Como ele segue o mesmo formato de pedido da OpenAI, programas que já usam vozes da OpenAI podem ser apontados para ele.

Principais recursos

Segundo o repositório, o projeto oferece vozes em vários idiomas, mistura de vozes, geração com vários narradores e legendas com marcação de tempo por palavra. Há imagens prontas para processador e placas NVIDIA, e suporte experimental para placas AMD.

A comunidade criou integrações com outros programas, como automação residencial e leitores de audiolivro. Confira o README para os recursos atuais.

Pra quem é (e pra quem não é)

É indicado para criadores de conteúdo, desenvolvedores e pequenas empresas que querem narração local sem pagar por caractere. A facilidade é média: exige instalar e usar o Docker.

Não é para quem nunca usou terminal e quer só clicar num instalador. Também não é ideal para quem precisa de muitas opções de voz em português, já que elas são poucas.

Quanto custa

Pelo catálogo do IAlfabeto, o Kokoro-FastAPI é gratuito e de código aberto. O repositório informa licença Apache 2.0, e os pesos do modelo Kokoro também seguem a Apache 2.0, segundo o projeto.

O custo real fica por conta do computador e da energia: rodar IA local usa bastante processador, memória e, às vezes, placa de vídeo, o que pode exigir uma máquina melhor e aumentar um pouco a conta de luz. Neste caso, o programa roda até no processador, e a placa NVIDIA só acelera.

Dicas para usar melhor

Teste todas as vozes em português com o mesmo trecho antes de escolher. Escreva o texto com pontuação caprichada, porque vírgulas e pontos ajudam o ritmo da fala.

Para textos longos, gere por partes e junte depois. Escreva números e siglas por extenso quando a pronúncia sair estranha.

Cuidados e privacidade

As vozes em português são poucas; teste antes de adotar em produção. Ouça o áudio inteiro antes de publicar, porque palavras podem sair com pronúncia errada.

Como tudo roda no seu computador, os textos não vão para a internet. Deixe claro para o seu público quando uma narração foi feita por IA, se fizer sentido no contexto.